Software para la clasificación y conteo de vehículos en autopistas basado en aprendizaje automático y visión artificial
Palabras clave:
Machine learning, visión artificial, clasificación, vehículosResumen
El presente artículo describe el desarrollo del software para el conteo y clasificación de vehículos para autopistas en México, mediante el reconocimiento de imágenes utilizando visión artificial y machine learning; para el conteo de vehículos se utilizó la detección de contornos y el método de substracción de fondo; para la clasificación se hace uso de detección de características tipo Haar, así como el algoritmo de Viola-Jones, Haar cascade, el desarrollo de la aplicación se consiguió utilizando la metodología OOHDM. Las pruebas se realizaron en el entronque de la Autopista Cardel- Poza Rica y la autopista Gutiérrez Zamora-Tihuatlán. Con el uso de reconocimiento de imágenes para identificar y contar vehículos, se reduce el número de dispositivos que actualmente conforman un sistema aforador o de clasificación vehicular, mejorando su efectividad y desempeño. Actualmente esta tecnología, solo es aplicada para monitoreo de tráfico, detección de filas y sistemas inteligentes de transporte.
Citas
Referencias
Aristizábal, S. G., & Caro, A. S. (2018). Desarrollo de un semáforo portátil inteligente para el control del flujo vehicular. (p. 50). Instituto Tecnológico Metropolitano.
Bas, E., Tekalp, A. M., & Salman, F. S. (2007). Automatic Vehicle Counting from Video for Traffic Flow Analysis. 2007 IEEE Intelligent Vehicles Symposium, 392–397.
Barriga, E. R. C. (2017). Aplicación práctica de la visión artificial para el reconocimiento de rostros en una imagen. 60.
Beltrán, J.C.(2014). Tecnologías inteligentes para salvar recursos energéticos. Ciudad de México ITS México.
Chan, M.J. (2006). Sistema automático de conteo y clasificación de flujo vehicular basado en secuencias de video y redes neuronales artificiales. San Nicolás de los Garza, N.L.
Enrique Urrego, Germán & Calderón, Francisco Carlos, & Forero, Alejandro & Quiroga, Julián Armando (2009). Adquisición de variables de tráfico vehicular usando visión Por computador. Revista de Ingeniería, (30), 7-15.
Erhan Baş, A. Murat Tekalp, Fellow, IEEE, and F. Sibel Salman Automatic Vehicle Counting from Video for Traffic Flow Analysis. College of Engineering, Koç University, 34450 Sariyer, Istanbul, Turkey ISSN: 0121-4993.
Esparza, J. E. M. (2014). Análisis de tráfico vehicular usando visión artificial en la ciudad de San Juan de Pasto. Universidad de Nariño.
Granados, A.F. & Marín H.,J.I. (2007). Detección de flujo vehicular basado en visión artificial. Scientia et Technica ISSN 0122-1701, Vol. 3, No. 35, 3(35), 163-168. Recuperado de https://dialnet.unirioja.es/servlet/articulo?codigo=4803620
Shokravi, H., Shokravi, H., Bakhary, N., Heidarrezaei, M., Rahimian Koloor, S. S., & Petrů, M. (2020). A Review on Vehicle Classification and Potential Use of Smart Vehicle-Assisted Techniques. Sensors, 20(11), 3274.
P. Viola and M. Jones, "Rapid object detection using a boosted cascade of simple features," Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. CVPR 2001, 2001, pp. I-I, doi: 10.1109/CVPR.2001.990517.
